机器学习量化投资组合：样本内检验和样本外检验指南

在机器学习加量化投资组合中，样本内检验和样本外检验是用来评估模型的预测能力和泛化能力的两种方法。\n\n1. 样本内检验：样本内检验是指使用模型对训练数据进行预测，并将预测结果与实际结果进行比较。常用的样本内检验方法包括交叉验证和留一法。交叉验证将训练数据划分为多个子集，每次使用其中一个子集作为验证集，其余子集作为训练集，然后计算模型在验证集上的预测误差。留一法是一种特殊的交叉验证方法，将每个样本单独作为验证集，其余样本作为训练集。样本内检验可以用来评估模型在训练数据上的拟合程度和预测能力。\n\n2. 样本外检验：样本外检验是指使用模型对未参与训练的新数据进行预测，并将预测结果与实际结果进行比较。样本外检验可以用来评估模型的泛化能力和预测能力。常用的样本外检验方法包括留出法和滚动窗口法。留出法将数据集划分为训练集和测试集，模型在测试集上的预测误差可以用来评估模型的泛化能力。滚动窗口法是一种动态的样本外检验方法，每次使用固定大小的窗口训练模型，并在窗口之后的新数据上进行预测，以评估模型的预测能力和泛化能力。\n\n通过样本内检验和样本外检验，可以评估模型的拟合程度、预测能力和泛化能力，并选择最优的模型进行量化投资组合的构建和调整。